豊田自動織機のAzureインダストリアルAI塗装不具合25%減
元記事公開日: -
出典: https://www.microsoft.com/ja-jp/customers/story/26552-toyota-industries-corporation-azure
AzureインダストリアルAIが、塗装工程の機器センサー、プロセスパラメータ、温湿度など約400変数を分析し、品質不具合と相関の高い要因を絞り込む。共有ダッシュボードで現場が異常を早期に見つけ、パイロットではブツ関連の品質不具合を約25%削減した。
背景
長草工場のバンパー生産ラインでは、塗装品質不具合がプロセス終盤で発覚し、付加価値を加えた後の再処理、納期遅延、不確実性につながっていた。塗装工程では、機器センサー、プロセスパラメータ、温度・湿度など数百のデータを収集し、Azure IoT Hubで統合・構造化していた。熟練した塗装技術者が減少するなか、目視検査からデータ主導の品質管理への転換が急務だった。
要望・目的
生産データを紐付けて工程の文脈を加え、現場チームと経営層が迅速に行動と意思決定につなげられる状態を必要としていた。事後分析からほぼリアルタイムの品質管理へ移行し、品質不具合の原因となる因子を特定することが目標だった。品質指標の向上と現場作業の変更が実現可能かも検証対象とした。
実装・実施内容
豊田自動織機はMicrosoftおよびSight Machineと連携し、Microsoft Azure上に統合されたAI対応の製造データ基盤を構築した。実際の工場データを使い、3か月間の概念実証を実施した。連携が難しかったデータもパイプラインを通じて構造化・分析できることを確認した後、現場オペレーターが品質と生産性を議論する場での利用を検証した。
AIサービス・システム
Azure IoT Hubで統合した工場データを基盤に、Azureベースのセマンティックレイヤーを構築した。AIと機械学習で約400の変数を分析し、塗装品質不具合と最も相関の高い要因へ絞り込む。Sight Machineのソフトウェアは豊田自動織機のAzureテナント内で稼働し、データは外部へ出ない。製造部門、生産技術、関連チームは共通のデータを参照する。
結果・効果
温度の安定化により、パイロット運用期間中のブツ関連の品質不具合を約25%削減した。問題解決の機会は約4倍に増え、日々のスタンドアップミーティングの準備時間は80%短縮した。分析サイクルは5日から4時間未満に短縮され、レビューから行動につながるインサイトの導出までを約45分で完了した例がある。バンパー塗装からボディー塗装工程への拡大が可能な基盤を確立した。